Python 嵌套的groupby给出了意外的结果

我正在处理一个问题，其中我在数据帧上使用嵌套的groupby.apply。在第一次应用期间，我添加了一列，用于第二个内部groupby.apply。在我看来，综合结果是错误的。有谁能向我解释一下为什么会出现以下现象，以及如何可靠地修复它

下面是一个简单的例子：

将numpy导入为np
作为pd进口熊猫
T=np.数组（[
[1,1,1],
[1,1,1],
[1,2,2],
[1,2,2],
[2,1,3],
[2,1,3],
[2,2,4],
[2,2,4],
])
df=pd.DataFrame（T，列=['a'，'b'，'c']）
打印（df）
def foo2（x）：
返回x
def foo（x）：
打印（“*”*80）
#添加列d和列“d”上的groupby/apply
x['d']=[1,1,2,2]
x=x.groupby（'d'）。应用（foo2）
打印（x）
打印（“*”*80）
返回x
#应用第一个groupby/在列“a”上应用
df=df.groupby（'a'）。apply（foo）
打印（“*”*80）
打印（“*”*80）
打印（df）

当我在我的Windows笔记本电脑上运行上述代码时，我得到了预期的结果

a b c d
A.
1 0  1  1  1  1
1  1  1  1  1
2  1  2  2  2
3  1  2  2  2
2 4  2  1  3  1
5  2  1  3  1
6  2  2  4  2
7  2  2  4  2

在Mac上运行相同的代码

a b c d
A.
1 0  1  1  1  1
1  1  1  1  1
2  1  2  2  2
3  1  2  2  2
2 4  1  1  3  1
5  1  1  3  1
6  1  2  4  2
7  1  2  4  2

这里的问题是，在列“a”中，最后4个条目是1，而在Windows计算机上，它们应该是2

编辑：

两个版本上的熊猫：0.24.2

Windows上的Python版本：3.7.3

Mac上的Python版本：3.7.4

我的想法是，嵌套的

DataFrame.apply的预期行为在调试时会有点复杂。我的建议是，通过模仿您希望从
应用
（即先映射，然后减少）中实现的目标来切入主题：

Map：使用python的本机
Map
方法，后跟
减少：使用
pandas.concat
组合结果
将numpy导入为np
作为pd进口熊猫
def my_应用（df，f）：
返回pd.concat（地图（f，df））
def foo（x）：
组，分组=x
分组['d']=[1,1,2,2]
返回grouped.groupby（'d'）.apply（lambda x:x）
T=np.数组（[[1,1,1]]*2+[[1,2,2]]*2+
[[2,1,3]]*2 + [[2,2,4]]*2)           
df=pd.DataFrame（T，列=['a'，'b'，'c']）
df=my_apply（df.groupby（'a'），foo）
打印（df）

结果:

   a  b  c  d
0  1  1  1  1
1  1  1  1  1
2  1  2  2  2
3  1  2  2  2
4  2  1  3  1
5  2  1  3  1
6  2  2  4  2
7  2  2  4  2

注:

我没有试图解决导致Mac/Windows之间性能差异的实现/架构差异]
我已经缩小了您的示例，将
foo2
替换为
lambda
，请随意调回
上述代码将抛出以下警告
试图在数据帧[…]的切片副本上设置值
。这是因为我们故意设置副本的值。这是预期的行为，而不是bug。不幸的是，
pandas
将此操作解释为错误，因为它通常可能是错误的

请在这两个版本以及python版本上发布pandas版本谢谢，我进行了编辑。这可能与pandas失败的原因有关：SettingWithCopyWarning:试图在数据帧的切片副本上设置值。尝试使用.loc[row\u indexer，col\u indexer]=value，请参见文档中的注意事项：grouped['d']=[1,1,2,2]。我已添加了有关（预期）警告的说明。您可以禁用它，但真正的解决方法是使用
grouped.copy（）
创建
grouped
对象的副本，但是对于性能不太好的大型数据帧，我认为最好还是使用警告。我很怀疑这是否与问题有关。我最好的猜测是，在Mac版的熊猫中，群体指数正在被某个地方吸收。在实践中，apply和group by方法可能并不打算以这种方式进行操作。